Der Stoffwechsel der Zelle besteht aus chemischen Reaktionen und Transportprozessen, deren Umsatzraten (Stoffflüsse) das Ergebnis genetischer, translationaler und metabolischer Kontrolle sind. Stoffflüsse erlauben daher wertvolle Einblicke in das interne Zellgeschehen, sind jedoch -- wenn überhaupt -- nur unter großem Aufwand experimentell bestimmbar. Ihre Vorhersage mittels mathematischer Modelle ist ebenfalls komplex; vereinfachend wird angenommen, der Stoffwechsel unterliege einer optimalen Regulation, wobei Optimalität vielfältig interpretiert wird. Die in dieser Arbeit entwickelte Methode zur Flussvorhersage basiert auf der Annahme, dass sich die Synthesewege wichtiger Metabolite im Laufe der Evolution optimiert haben und unabhängig voneinander reguliert werden. Dies ermöglicht den Organismen: 1. sich einer variierenden Umgebung schnell anzupassen und 2. Störungen und Schäden auf kleinere Teilsysteme (Module) zu begrenzen. Kern der Methode ist die Vorhersage optimaler Synthese-Module: stationärer Flusszustände, die jeweils nur einen Metaboliten synthetisieren und dabei eine vorgegebene Zielfunktion minimieren oder maximieren. Diese minimalen Flussmoden (\textit{MinModen}) sind schnell und ohne Kenntnis enzymspezifischer Parameter zu berechnen, womit sie sich auch zur systematischen Überprüfung der Synthesekapazität großer Netzwerke eignen. Durch lineare Kombination der MinModen kann das Flussgeschehen komplexer Stoffwechselleistungen abgebildet werden. Hinsichtlich verfügbarer experimenteller Daten ist die Qualität der so gewonnenen Flussvorhersagen vergleichbar mit bisherigen Konzepten, und das, obwohl die Kombination optimaler Synthesen ein suboptimales Gesamtflussgeschehen ergibt. Vorteil der MinModen-Methode ist die flexible Integration zusätzlich verfügbarer Daten. So können beispielsweise durch Berücksichtigung Freier Gibbs-Energien und recherchierter Metabolitkonzentrationsbereiche thermodynamisch zulässige Flusszustände vorhergesagt werden. / The metabolism of a cell consists of chemical transformations and transport processes. Their rates (fluxes) are the result of genetic, translational and metabolic control and therefore carry valuable information about the internal state of a cell. However, metabolic fluxes are hard to determine by experiment and are therefore subject of mathematical prediction methods. In this work, a conceptually new method for the prediction of fluxes in large scale metabolic networks is developed. The method is based on the assumption of optimally evolved synthesis pathways that are regulated independently of each other. This enables organisms: (i) to quickly adapt to a varying and complex environment and (ii) to modularly organize its metabolism in order to restrict internal disturbances and damage to smaller subsystems. The core of this method is the prediction of optimal ``synthesis-modules'''': stationary flux modes, each of which synthesizes a single metabolite while minimizing or maximizing a so-called objective function. These so-called minimal flux modes (MinModes) are rapidly calculable without knowledge of enzyme kinetics. As such they are suited for the determination of the synthesis capacity and the set of blocked reactions of large networks. Linearly combined, they allow for the representation of complex metabolic tasks. In contrast to previous approaches that optimize for the concerted accomplishment of complex metabolic tasks (e.g. biomass formation), optimizing single syntheses results in a rather suboptimal total network flux. However, with respect to available experimental data the prediction quality is comparable to previous (FBA) approaches. As major benefit, the method relies on a flexible structure that allows for the integration of diverse experimentally observed data. Here, incorporating free Gibbs-energy and metabolite concentration values enabled the prediction of thermodynamically feasible flux modes without prior restriction of flux directions.